MicroG-4M

DataONE2025-05-20 更新2025-11-01 收录

重力环境

多模态学习

数据链接：

https://search.dataone.org/view/sha256:bf7a3b4a797b6a14cfefcc180f85d4c237b1bd5a8b2afa1e701967e3db575679 数据链接链接失效反馈

官方服务：

资源简介：

Designed for HAR, VQA, Captioning in microgravity environments

创建时间：

2025-10-29

ShareGPT4Video

多模态学习

自然语言处理

# ShareGPT4Video 4.8M Dataset Card ## Dataset details **Dataset type:** ShareGPT4Video Captions 4.8M is a set of GPT4-Vision-powered multi-modal captions data of videos. It is constructed to enhan

魔搭社区2026-07-08 更新440

LongVPO-Training-Data

视频理解

多模态学习

LongVPO是一个用于长视频偏好优化的多模态数据集，旨在通过两个渐进式训练阶段提升模型的视频理解能力。第一阶段（Anchored Cues Optimization）使用来自LLaVA-Video-178K的短到长视频对齐数据，专注于锚定关键时间事件以防止注意力漂移。第二阶段（Self-Reasoning Optimization）则利用Vript的长视频数据集，训练模型自主推理跨视频的多个事件

Hugging Face2026-03-07 更新170

SoundingEarth

多模态学习

地理空间音频识别

该数据集是一个多模态数据集，包含音频、图像和文本数据。主要特征包括音频文件（采样率为32kHz）、谷歌地球图像、音频字幕及其来源、梅尔频谱特征（形状为5x1x1001x64的浮点数组）、基于LLaVA模型的谷歌地球图像字幕、经纬度坐标以及录制日期。数据集分为训练集（40,241个样本）、验证集（3,242个样本）和测试集（5,801个样本），总大小约为498GB。该数据集适用于多模态学习任务，如音

Hugging Face2026-04-26 更新130

smol-libero

机器人视觉

多模态学习

Smol-LIBERO是一个LIBERO基准的紧凑版本，大小仅为1.79 GB（相比之下，完整的LIBERO约为34 GB）。它包含较少的轨迹和摄像头，但保持了多种模式结构。每个样本包括来自两个固定摄像头的图像、两种类型的机器人状态（末端执行器位姿+夹爪和完整的7自由度关节位置）以及动作（7自由度关节命令）。这种设置特别适合比较低维状态输入和高维视觉输入，或者在多模态训练中将它们结合起来。

Hugging Face2025-09-08 更新420

litwell/MMTrail-20M

多模态学习

多模态研究

MMTrail是一个大规模的多模态视频-语言数据集，包含超过20M的预告片剪辑，具有高质量的视觉帧和背景音乐的多模态字幕。数据集旨在增强跨模态研究和细粒度的多模态语言模型训练。数据集提供了超过2M的LLaVA视频字幕、2M的音乐字幕和60M的Coca帧字幕，涵盖了27.1k小时的预告片视频。数据集的特点包括多样的主题和内容类型，以及定制的背景音乐，使其与视觉内容更加一致。数据集通过先进的LLM技术

Hugging Face2024-11-07 更新130

MicroG-4M

资源简介：

相关数据集